各个行业正在向数字化、智能化、场景化转型，金融企业走在了各行业的前列。金融行业的数字化体现在创新技术融合、数据化运营、精准营销、运营场景化等多方面。

金融企业的用户经营模式由“以产品为导向”的精准营销经营模式向“以用户为中心”的精准营销经营模式转型。用户经营的最终目的是为金融企业创造更高价值，带来更多的盈利。用户生命周期价值分层策略可以帮助金融企业梳理用户层级结构，并针对每个层级用户进行差异化经营，围绕用户进行数字化改造升级，实现用户价值最大化提升，提升企业的运营效率，打造数据驱动的营销闭环。

用户生命周期价值分层策略是什么？应该如何进行规划以及分析？

用户生命周期价值分层定义：

用户生命周期：是指从一个用户开始对企业进行了解或企业欲对某一用户进行开发开始，直到用户与企业的业务关系完全终止且与之相关的事宜完全处理完毕的这段时间；在业界广泛应用认可的用户生命周期方法论是AAARRR，是运营体系的经典的框架，贯穿用户感知、获取、激活、留存、交易、传播。

用户生命周期价值（Customer Lifetime Value，CLV）：即用户具有的价值和生命周期，每个用户在生命周期中在历史、当前、未来为企业带来的收益总和。它由三部分构成：历史价值、当前价值和潜在价值。用户生命周期价值分层是围绕用户价值与生命周期视角对用户进行细分。

用户生命周期价值分层意义：

用户价值是企业发展在各个生命周期阶段都需始终关注重要内容。不管是在初创阶段的大量新客，还是成熟阶段的存量用户，企业的战略目标还是希望用户贡献更多的价值，为企业带来盈利。

通过用户生命周期价值的分层，促使“以产品为中心”的经营理念转为聚焦到“以用户为中心”（用户价值、用户需求、用户体验为中心）进行细分洞察。以产品为中心的时代，分析策略是通过产品找用户；而随着技术的创新，多维数据支撑更为广泛的用户洞察维度，经营的模式也逐渐改为通过用户找产品。用户生命周期价值分层策略，让企业运营人员清晰了解用户价值和价值指标；通过对每层人群进行筛选定义，制定差异化运营手段，促进用户在生命周期每个阶段产生最大化的价值，实现层到层之间价值的飞跃，并延长整个用户生命周期，完成运营的各个阶段的KPI指标以及企业的战略目标。

用户生命周期价值分层方法：

按照AAARRR方法论中用户生命周期的各个阶段节点，结合各阶段的业务场景、业态、战略方向等情况确定各阶段用户价值，进行交叉组合分层。但因各个行业不同、场景不同、用户价值不同、用户生命周期价值分层策略也会有所不同。已布局生活场景生态服务的银行信用卡，会通过用户活跃、用户粘性价值进行分层；证券公司的生命周期分层按照交易价值进行分层；中小银行生命周期价值分层策略按照投资价值进行分层。

举个例子，某金融机构移动APP用户生命周期价值分层：

市场用户（目前不是企业的人群）

新增用户（首次触发APP的人群）

留存用户（某段时间内在APP仍然还有交互行为的人群）

价值用户（某段时间内在APP有交易行为的人群）

高价值用户（某段时间内在APP有交易行为，并且交易金额大于30万或交易频次大于3次或交易产品种类大于2种的人群）

鲸鱼用户（在高价值用户中通过任何触达手段为APP带来新增用户的人群）

用户生命周期价值分层是以用户生命周期为分层转化漏斗，将每个阶段的用户价值往下一阶段的用户价值转化引导，而每一层转化场景、分析维度、评估指标都是不同，需要制定差异化的运营手段分析每层转化，对不同阶段采取不同的策略，最终提升用户各个阶段的价值（如图所示）。

我们需要分析一下每各阶段是如何进行分析？每阶段精细化运营手段是什么？关注哪些指标？最终完成每阶段用户价值的飞跃。

感知层→获取层的转化

随着移动互联网流量红利结束，企业市场部门、渠道部门如在全渠道广撒网投放广告吸引新客，所带来的将是大量的非目标用户、导致企业耗费大量成本。企业在这样的市场环境下需要打破以往的思维模式，调整策略，将投放费用聚焦到目标用户上，通过精准投放来帮企业找到目标人群，提升转化率，降低成本。

制定精准投放策略，对投放渠道进行合理分配，找到转化率高的渠道，成为本层转化的关键。

本层转化的运营手段：精准投放

每天用户通过线上（各类终端设备）与企业移动APP进行交互，用户呈现时间碎片化、服务场景化等特征。企业将如何抢占用户时间，成为企业关注核心问题。企业对将要投放的用户情况一无所知，精准投放从何开展呢？通过外部数据来洞察用户如用户的兴趣偏好、地理位置信息、线下消费偏好、金融偏好、媒体偏好等等，可以帮助企业找到精准目标人群、结合精准触达时间和产品，设计投放策略，将大大提升投放人群的质量以及转化率，帮助企业降低投放成本，提升ROI。

本层转化关注核心指标：ROI，即投资回报率

本层转化分析维度：

分析各个渠道的用户质量，除了分析各渠道交易数据如：转化率、转化金额、多次转化率、转化周期频率等指标外，还需洞察分析各渠道用户行为数据，如查看的产品、停留的时长、查看的频率等指标，这类行为数据虽不是直接的交易数据，但也表明用户是否有潜在的购买转化的意向。多维数据分析帮助企业找到质量好转化率高的渠道，并对各渠道投放的占比进行合理调整，从而促进ROI提升，完成本层用户价值提升。

获取层→活跃层的转化

在用户获取后，就需考虑如何对用户进行促活。据统计，新用户的营销成本要比老用户经营成本高出4倍，老用户的经营比新用户的获取要重要的多。尤其在企业已经获得大量用户后，如不及时运营老用户，会导致大量用户流失或沉睡。企业需要在此时进行运营干预，通过运营手段可减少流失人群、延长用户的生命周期以及活跃时长，并促使用户在更长的时间内创造更多的价值，提升用户的CLV。

本层转化的运营手段：新手引导、营销激励

用户引流进入企业后，对新用户来说，平台、产品、流程都比较陌生，如果用户体验不好，不能及时适应平台，会导致用户流向其他同类型并满足用户需求的平台，故在这个节点需要建立新手引导，让用户对平台、对产品、对流程慢慢熟悉起来，养成用户操作习惯。但是仍将面对用户流失的风险，需及时对用户进行营销激励，如发放优惠政策、触发用户感兴趣的内容等从而激励用户活跃起来。

本层转化关注的核心的指标：日活DAU、月活MAU

本层分析维度：

本层关注的指标为活跃指标，如日活、月活，但在分析的过程中还需关注用户流失情况、留存情况。如在一段时间内，用户日活持续增加，需分析用户活跃类型占比，找到活跃增加的归因，是由于新增用户活跃，是老用户活跃；来自于哪些渠道的用户活跃，是由于新增的渠道质量较好，还是由于用户激励的方式。不仅要关注日活、月活，还需要拉长整个用户生命周期来看用户活跃、流失、留存等情况，分析在一段时间内新增的这些用户的流失情况以及留存情况，否则会被表面的日活增高的表象所蒙蔽。

活跃层→留存层的转化

用户持续留存代表此用户具有留下的意向以及潜在转化的可能，用户留存指标是监测用户流失的一个重要指标。实现用户留存的关键是需找到留存率较高的关键事件，并通过关键事件的引导提升客户的黏性。

本层转化的运营手段：促留存策略

本层转化的核心关注的指标：留存率（即次日留存、7日留存、14日留存、30日留存）

本层转化分析维度：

需要关注的用户留存指标为次日留存、7日留存、14日留存、30留存。

分析时通常有两个维度：

1、以时间为维度：看不同时间的次日留存率、7日留存率、14日留存率、30留存率的指标情况，当观察到某一天的留存率比较高时，可详细洞察这在一天是否有“其它动作”，比如：新增某个渠道、做了某场活动、页面进行某部分改版、触达客户营销激励内容等，深入分析导致留存变化的“动作”对客户留存深层的数据影响。如新增加了某个渠道投放，可能是因为这个渠道的质量较好，用户比较活跃，潜在的目标人群较多，通过渠道的维度看这个渠道的行为数据指标表现情况，可适当调整投放的策略，增加此渠道的投放量。

2、以事件为维度：看执行了不同事件的人群次日留存率、7日留存率、14日留存率、30留存率的指标情况，如给某用户做留存分析时，发现执行登录事件的人群的留存率比执行其他事件的人群留存率明显高一些，分析得出登录与客户留存成正比关系，建议企业推出登录签到送积分活动，来提升用户留存率，效果会比较显著。

留存层→交易层的转化

运营的最终目标就是促使用户进行交易，给企业带来商业收入，体现产品变现能力。交易额＝流量＊交易转化率＊客单价，从公式可以看出，增加流量、提升交易转化率将提升交易额，流量在感知层→获客层已经有详细讲解，客单价是受到产品定位、市场行情、产品内容等多方面的影响，需要重点聚焦到交易转化率的提升。

本层转化运营手段：精准营销、聚类算法促转化、搭建MOT营销规则

本层转化关注核心指标：交易转化率

本层分析方法维度：

精准营销

精准营销的本质就是通过数据洞察找到目标人群、分析出用户特征偏好和产品偏好，在合适的时间以用户最容易转化的渠道进行触达。企业需要搭建营销闭环来解决营销效率问题，提升用户的交易转化以及收入的增长。精准营销闭环可分为四个步骤，人群洞察、消费者互动、监测效果量化、分析优化，并且不断优化形成营销闭环。

1、人群洞察

这是精准营销必不可少的关键环节，通过人群洞察来分析用户的行为特征、兴趣偏好、产品偏好等特征，利用全维度数据分析找到不同特征人群对应喜好的产品偏好，将洞察结果与营销建立关联，为后期营销触达做数据支撑。

2、消费者互动

人群洞察后，需对本层人群触达的手段进行分析，即用户交互方式的偏好（用户习惯、喜好的渠道和时间段），渠道是与用户交流的载体，帮助企业与用户搭建沟通的桥梁，需要找到用户喜欢的渠道以及转化高的触达方式，在合适的时间提供用户喜欢的内容，提升用户转化率。

3、监测效果量化

通过数据回传，对每次精准营销的数据进行记录，为后期数据分析、建模等工作积累数据，进行营销工作的优化。

4、分析优化

针对营销效果数据，分析每次精准营销转化人数、转化金额、转化后的行为数据、转化时间等，通过数据分析结果确定本次精准营销存在的问题，提出后期优化策略，不断迭代优化方案。将优化后的策略在下次营销中进行应用，形成营销闭环，提升用户交易转化率以及用户价值。

聚类算法

在每层用户分析中，对本层人群进行人群细分和数据交叉分析，找到细分人群的特征，制定精准营销策略，提升用户转化率。聚类算法可科学有效地帮助企业完成人群细分。数据分析师对数据进行整理，确定人群细分的数量，聚类算法可将相似的人群聚为一类，最终输出几类人群。对细分人群进行特征提取，洞察每类人群偏好特征，从而针对不同人群制定差异化的营销策略，提升用户价值。

营销规则

搭建营销规则，建立MOT逻辑规则，实现自动化运营，促进用户提升交易转化率。

用户的交易数据、行为数据、公开市场数据等多元化数据都可以作为基础分析数据，挖掘数据价值，结合业务场景设计营销规则。当用户触发某规则时，进行实时触达，利用营销活动对用户进行转化。例如用户频繁查看某个产品，停留时间较长但未进行交易，但此类数据分析也能说明用户对此产品具有潜在需求，可以依据此场景建立规则（在三天内，查看产品A 3次以上，可以定义为产品A的意向用户，符合此规则后，MOT将自动触发有关产品A的营销内容，刺激用户进行交易转化）。

交易层－高价值层的转化

本层人群是企业最核心用户，参考二八法则，20%的核心用户给企业贡献80%的价值，这类高价值的核心用户是企业关注的重点。如何引导、刺激用户向更高的价值转变是本层的关键。

本层转化关注最核心指标：交易频次、交易金额、交易产品类型

本层转化人群的运营手段：交叉销售、Lookalike算法挖掘潜在高值人群

本层转化分析维度

交叉销售

通过多样化的运营手段，将提升交易频次、交易金额、交易产品类型的提升作为本层目标。通过交叉销售分析、找到用户购买产品A与产品X的关联，将强关联产品X在相应产品A的购买流程或页面进行展示，通过相互导流实现对产品X的销售，给企业创造更大价值。根据产品购买频率、产品到期的时间建立营销规则，提前引导用户进行复购操作，防止用户流失，提升用户价值。

Lookalike算法挖掘潜在高价值用户

潜在高价值用户挖掘可借助模型算法预测潜在高价值的人群，并实施精准营销策略。Lookalike算法是机器学习的一种模型算法，TalkingData利用移动APP行为数据对其进行优化，使其适合利用APP行为数据进行学习，相对其他算法具有较高对效率和准确率。在本层中，将企业交易层用户中挑选出的高价值人群（如多次交易、交易金额较大、交易频次高、交易产品种类多等）作为机器学习的种子人群，通过Lookalike算法找到潜在高价值用户。全面洞察分析潜在高价值人群的兴趣偏好、产品偏好、渠道偏好等，输出精准营销策略并触达用户，通过基于效果反馈的营销闭环提升用户交易转化。

案例

某银行运营目标：提升存款用户价值，实现存款用户活跃并挖掘潜在用户的价值。

某银行聚焦到银行存款存量用户经营，为了提升存款用户价值，通过用户价值分层方法将某银行存款用户进行了分层（如图所示），将每层的用户聚焦到特定的场景进行分析，提升存款用户分析的效率，洞察每层用户的特征，找到每层之间的漏损人群、潜在人群，更加科学、有效制定差异化的运营方案。建立用户价值分层体系方法论，将用户分层、用户洞察、制定方案、执行落地、效果评估及迭代优化整套运营方法论闭环跑通，并广泛应用到其它项目中，帮助某银行通过数据化思维驱动业务决策，推动在数字化、智能化的转型。

存款脱落人群

是存量用户整体到存款有效用户之间的存款脱落人群。这层人群分析研究时，主要目标是洞察分析人群特征，制定有针对性的营销激励策略，将此人群通过激励转变为有效用户。营销激励策略围绕如何使脱落用户再次进行存款业务的场景而制定。

存款流失用户

存款流失用户，搭建流失用户预警机制、流失用户挽回策略。分析流失与哪些关键因子关联，针对流失人群进行划分，确定流失人群的类型，对不同类型的流失用户策划具有针对性的挽回机制，并制定不同的触达方式对流失用户进行挽回。如下图所示，在某银行数据分析用户流失与登录、资产情况、提现行为有强相关，故将登录、资产情况以及提现作为分群关键因子，并进行设定不同策略机制。

潜在价值用户

潜在价值用户是存款活跃用户，虽然在近半年未投资，但此人群在企业APP有交互的行为，通过此交互数据分析挖掘潜在的需求及动机，将APP上的交互行为、之前的历史交易数据、外部数据作为模型输入的因子，输出客户潜在需求，实施精准营销。

潜在高价值用户挖掘

潜在高价值用户为企业创造价值，需要通过运营手段激发更大的价值，有几个增加价值的维度：

1、金额维度：刺激用户提升购买的金额，创造更大的价值；

2、时间维度：建立策略延长用户购买时长，提升用户生命周期；

3、种类维度：购买多类型产品，提升用户价值。

进行用户价值分层需注重用户需求、用户价值。制定场景化、差异化、定制化的策略，提升在整个价值链路上的转化漏斗，实现从数据驱动战略目标到用户经营的精细化运营闭环，实现层到层之间价值最大化提升，帮助企业有效延长用户生命周期，激发用户创造更大的价值。